Page 283 - 《软件学报》2021年第12期
P. 283
杨术 等:功能分发网络:基于容器的智能边缘计算平台 3947
根据任务和网络流量信息生成一个待编排的容器列表,并按照优先级进行排序.算法会不断访问待编排容器列
表,按顺序把容器贪心地编排到完成时间最快同时满足计算要求的边缘计算集群,直到把所有容器编排完毕.每
当用户提交计算任务时,FDN 控制器将收集全局的网络流量和任务信息并执行上述过程,最终将容器编排策略
传送给相关的集群和用户.相比传统的简单容器编排算法,启发式容器编排策略能够更合理地实现容器的编排
过程,进而优化系统的计算延迟.
我们基于 IBM 开发的无服务化计算开源软件 Openwhisk 实现了功能分发网络技术,并在中国移动网络中
部署了 FDN 计算平台.我们租用 6 个阿里云实例作为核心网环境,其中 3 个实例作为 Master 节点,另外 3 个作
为 Worker 节点.同时,部署了两个边缘计算中心,每个中心由 1 台机架式服务器和 6 台配置不同的台式机模拟.
我们在网络中部署了客户端,并进行真实的人脸识别的任务测试.实验结果表明,FDN 计算平台能够取得
137.82ms 的平均计算延迟.同时,我们在不同条件下模拟了基于启发式的容器编排策略,并与传统的编排算法作
性能对比.实验结果表明了,我们的编排策略能够自适应于不同的网络环境.与传统的编排算法相比,启发式的
容器编排策略能够取得更好的计算性能,提高了 FDN 的计算效率.
本文的贡献列举如下:
• 提出了功能分发网络 FDN,它为用户提供了统一的接口,使得用户能够上传自己的计算任务,并且系统
会将该任务分配给最合适的边缘计算集群,让用户享受到低延迟高性能的计算服务;
• 提出了一种基于启发式的容器编排策略,实现容器的跨集群编排,优化用户任务的计算延迟;
• 实现并部署了 FDN 系统并评估了其性能,实验结果表明:我们提出的 FDN 架构和容器编排算法能够取
得很好的计算延迟,能够满足当前网络中的数据计算需求.
本文第 1 节将会介绍当前的计算平台和容器编排工具的相关工作.第 2 节和第 3 节将会展示提出的 FDN
平台和容器编排模型.FDN 系统的实现细节、部署和测试会在第 4 节进行介绍.容器编排算法模拟的实验过程
和结果将会分别在第 5 节进行展示.最后,结论会在第 6 节中给出.
1 相关工作
1.1 流量优化与计算平台
当前,网络数据量呈指数级的增长速度.如何更高效快速处理这些庞大数据和流量,成为网络领域的最大挑
[2]
战之一.学术界和工业界提出了很多流量优化和计算平台的改进方案.CDN 是一种分布式的存储机制,它将数
据内容分发到分布式服务器上,而用户能够在靠近的服务器上直接获取数据内容,避免访问距离更远的中心服
务器.但是 CDN 只针对数据存储,无法提供数据的计算等功能.云计算 [10,11] 通过搭建高性能的计算中心,使得用
户能够把计算任务和数据上传到云计算平台,并由高性能的机器进行计算.同时,用户能够按需购买指定数量和
性能的机器和计算服务,为用户节省了购买服务器的费用.但是文献[12]指出:当前的云计算平台是中心化的,数
据中心部署在距离用户较远的地方,这会导致用户到中心服务器的延迟较大,无法满足当前实时性的要求.同
时,在使用云计算平台过程中,开发人员需要花费大量时间进行服务器的环境搭建及数据和计算资源的部署等,
加大了开发人员的开发难度.
1.2 边缘计算
为了解决中心化平台延迟大的问题,研究人员提出了边缘计算 [3,4] .边缘计算采用了分布式的网络拓扑结
构,多个边缘服务器集群被放置在距离用户更近的边缘端,而用户能够把计算任务和数据提交给相对距离更近
的边缘计算集群并由其进行计算.相比云计算,分布式的边缘计算平台降低了用户到计算资源的距离和延迟,从
而提高了数据流量的处理和计算速度.边缘计算现已成为业界研究的热点之一,并应用到不同的领域中,例如物
联网 [13] 、5G [14] 等.
但是边缘计算是基于分布式的网络结构,如何管理、调度和优化分布式的边缘计算资源,成为了最大的挑
战之一.Teixeira 等人 [15] 指出:由于缺少统一的管理和调度中心,分布式的边缘计算平台无法获得网络流量和计